凌晨三点，手机像发了疯一样震动。告警信息只有一句话：“MySQL连接池耗尽，API成功率跌至12%”。哆嗦着打开监控，数据库QPS从800直接冲上2万。所有请求都在穿透打到MySQL。问题出在Redis——它刚被自动重启，但缓存全空了3000多条商品热数据全部从内存消失。RDB文件没加载上来，运维前天改过一个配置，把RDB目录指向了一个不存在的方法。重启后Redis安安静静地启动了零数据的实例。我们自信满满的回滚机制，就这样华丽地“成功回滚到了空白”。

如果你也曾经在深夜被告警吓醒、看着业务报错、心里想：“这该死的数据到底去哪儿了？”那就请继续读下去，

从那以后我给自己立了一条规矩：任何涉及持久化、缓存恢复的变更。都必须有一条自动化测试链路，能像黑客一样无情地注入故障，接下来用事实告诉我“数据到底丢了没有”。这就是我折腾出Playwright + Python + Docker这套自动化验证方案的起因。今天把完整实现和血泪教训写出来希望能帮同行少掉一层皮。老实说，

再看问题拆解。为什么你的缓存回滚测试形同虚设

很多团队对“Redis持久化恢复”的测试仅停留在：停掉Redis → 重启Redis → 看看keys还在不在。老实说，这种测试根本测不出生产的问题。因为：

1. 持久化文件的状态是不可信的。RDB可能因为磁盘满而损坏、AOF可能被bgrewrite截断、配置改错导致读不到文件——这些都是高频故障，但手工测试几乎不会覆盖。
2. 业务逻辑对“空缓存”的反应没有被验证。Redis恢复失败 → 缓存为空 → Go/Python服务有没有兜底从MySQL加载？加载过程中会不会因为并发穿透打崩数据库？其实，这些需要端到端流程测试。而不是简单地GET一个key。
3. 回滚成功与否没有和前端表现挂钩。使用者看到的是商品详情报错还是旧数据？白屏吗，接口返回什么状态码？只有把整个链路跑通才算验证到位。不过，

需要的不只是几行单元测试。而是一套能模拟真实使用者操作 → 制造持久化故障 → 检查业务层恢复效果的自动化方案。

再看方案设计。为什么是Playwright，而不是JMeter或单测？

我们评估了三条路：

• JMeter/Locust压测: 能模拟大量请求。但做不了“点击按钮→填写表单→提交”这样的使用者行为，也无法校验页面元素的值。
• 后端单元测试+Mock Redis: 只能测逻辑分支，测不到真正的RDB文件程序、进程重启、IO负载这些内核级行为。
• Playwright + Docker + pytest: Playwright控制浏览器模拟完整使用者流程；说起来，pytest 的 fixture 让可以随意停止/销毁 Redis 容器、删 RDB 文件、改配置；Docker 保证每次测试环境干净。再看最大优势，故障注入和业务验证在同一个用例里闭环.

最终架构很简单：docker-compose up -d

docker-compose.yml version: '3' services: 从web来看，build: . ports的观点是，- ":8000" environment: REDIS_HOST: redis DB_HOST: mysql depends_on: - redis - mysql 再看redis，image: redis:-alpine # 必须显式挂载 /data，否则 RDB 文件会写在容器层。重启后丢失方法关系 volumes: - redis_data:/data command: redis-server --save 900 1 --loglevel warning 再看mysql，image: mysql environment: MYSQL_ROOT_PASSWORD: testpass MYSQL_DATABASE: shop volumes: - mysql_data:/var/lib/mysql volumes: redis_data: mysql_data:

主要实现的观点是，从零搭建故障注入测试框架

"想象一下当你手动删掉 dump.rdb，却发现 Redis 却还能恢复，这种情况真的让人抓狂！"

# test_cache_rollback.py
import asyncio,time,os,pytest,docker,redis,pymysql
from playwright.async_api import async_playwright
BASE_URL = "http://localhost:8000"
REDIS_HOST = "localhost"
REDIS_PORT = 6379
@pytest.fixture
def docker_client:
return docker.from_env
@pytest.fixture
def redis_conn:
r = redis.Redis
yield r
r.close
@pytest.fixture
def mysql_conn:
conn = pymysql.connect
yield conn
conn.close
async def test_rollback_after_rdb_loss:
# 使用者通过前端创建商品，缓存写入 Redis
async with async_playwright as p:
browser = await p.chromium.launch
page = await browser.new_page
await page.goto
await page.fill
await page.fill
await page.click
# 等待创建成功
await page.wait_for_selector
product_id = await page.get_attribute
# 验证 Redis 缓存存在
cache_key = f"product:{product_id}"
assert redis_conn.exists,"初始缓存未写入"
# 注入故障：停掉 Redis 并删除 RDB 文件
redis_container = docker_client.containers.get
redis_container.stop
rdb_path = os.path.join。"redis_data","dump.rdb")
if os.path.exists:
os.remove
# 重启 Redis 并等待其完全可用
while True:
try这方面，if not redis_container.start:
break
except Exception as e:
time.sleep
continue
time.sleep # 简单等待加载完成，可替换为 ping 或 INFO persistence 检查
# 刷新页面验证业务层是否已从 MySQL 回源并重建缓存
await page.goto
product_name = await page.text_content
assert product_name == '限量球鞋',"页面未正确显示商品，可能回源失败"
#
检查 Redis 缓存是否已重建
assert redis_conn.exists,"缓存未重建，回滚机制有 bug"
# 与 MySQL 数据进行终极对比
with mysql_conn.cursor as cursor:
cursor.execute)
result = cursor.fetchone
assert result and result == '限量球鞋',"数据库数据不一致"
await browser.close

This test covers worst-case scenario—complete loss of RDB file followed by a restart—but real-world environments often present more subtle failures.

从踩坑记录来看，官方文档没告诉你的事

Pitfall 1 – Docker Volume 未挂载导致删文件无效

现象的观点是，我手动 docker exec…怎么说呢，rm /data/dump.rdb。重启后 Redis 却能恢复出数据。原因的观点是，没在 docker-compose.yml 写 volumes 时只是把 RDB 写进容器可写层。一旦容器停止那层就抛弃，新实例自然看不到之前的数据。至于解决办法，必须挂载具名 volume 到 /data。确保 RDB 在宿主机上持久化，而且真正删除宿主机方法下的文件才能模拟 RDB 丢失。

Pitfall 2 – Redis 重启并非瞬时可用

现象的观点是。s t o p,删文件,s t a r t,随即发送请求，经常得到空缓存导致断言失败，但等几秒再查又好了。原因的观点是，启动后 Redis 有短暂加载过程。即使没有 RDB，它也会初始化内部结构；start 返回仅表示容器进程已启动，不代表服务已接受连接。解决办法的观点是，使用轮询等待。例如 redis_conn.ping 成功或检查 INFO persistence loading=0<\/span>;在生产代码中也要敏感捕获恢复完成事件。话说回来，

效果验证 – 自动化 vs 手工

After a single deployment that fixed a missing distributed lock in cache‑to‑database fallback logic—caused by concurrent back‑source hitting DB— automated pipeline finally passed all five failure scenarios without any data loss.

可直接用的代码/工具 – 快速集成到你的项目中

Paste this fixture into your conftest.py;you’ll get ready-to-use Redis crash injection capability:

@pytest.fixture
def redis_crash_injection:
def _inject:
container = docker_client.containers.get
container.stop
import os,time
rdb_path=os.path.join
if os.path.exists:os.remove
container.start
time.sleep # wait for load complete
return _inject

You can call it in your tests like: redis_crash_injection // path to volume mount point .

p-tags-list--tags-wrapper->p-tags-list->p-tags-list--tag-item--tags-wrapper--tags-wrapper--tags-wrapper--tags-wrapper--tag-item'">
• #Python #Redis #Playwright #自动化测试 #后端踩坑
  childTagswrapperchildTagsWrapperchildTagsWrapperchildTagsWrapper-p-tag-childTagListItemTagListItemlink&%20href%20=%22https%253A%252F%252Fgithub.com%252Fbaofugege&%22&%20title%20=%22https://github.com/baofugege&%22+style=%22display:inline-block;text-decoration:none;其实，color:%23aaa;margin-right:%203px;font-size:%203px;height:%206px;width:%206px;background-color:%23eee;说起来，border-radius:%203px;background-image:url;background-repeat:no-repeat;background-position:center;background-size:auto auto;padding-left:%207px;padding-right:%207px;border-radius:%203px;怎么说呢，padding-top:%205px;padding-bottom:%205px;margin-left:-15%;margin-right:-15%;border-width:%200;width:auto，height:auto;text-align:left;其实，font-size:.75rem;text-decoration:none;font-family:'sans-serif';font-weight:bold;">GitHub地址🔗🚧🚥🚨🚔🚙🛳️🛻🏎️🏍️ 🚖🚌🛹🚝🚋✈️📸🕺🏃‍♂️🤟🎉⚡🔥💣🕶️🌸💐🌿🎀☁️🌲💞☂️✨🍻🍱🍙🍱🐇🐼🐵🐨🐦🥤🥪🍰🌭🤾⏰⏳⏰⌚⏲📅📆⏰⏱𬭳𬭃𬭋𬭉𬭑𬭯𬭁𬭕𬭑𬭈𬭐⬚♊♈♇♃♂♎⚝☽☾❄︎❇︎❂︎☽★☆⭐⚛︎◉◌✚✙✘✙✝✜✘➜✔✗ ✕ ✖ⓇⓈⒶⒺⒻ㍐㊙㊥㊧㊫㊭㊮㈠㈡㈢㈣㈤㈥㈦㈧㈨㈩⑴⑵⑶⑷⑸⑹⑺⓪①②③④⑤⑥⑦⑧⑨ⓅⒺⒿⓌⓑⒾⓐ﹄⌈⌉⌊⌋⊞⊠⊡󰠞󰠞󱫑󱫒󱫔󱫕󱫖󱫗􀃐􀃑􀃒􀃓􀃔􀃕􀃖􀃗􀃘􀃙􀃚􀃽⅞⅟⅟⅞⅔½⅟⅓¼½¾⅝⅜⅝⁵⁴⁴⁶⁷⁸⁹¹²³四五六七八九十百千萬億兆京垓秤穰溟滠澤濘瀚灧礎礁礒禮祇禹禿禿禿禿禿祗祗祟神神神神神神神神神神靑靑靑靑靜靜靜寧寧寧寧寞寞寞審審鷄鴨鹽鹽鹽鹽鹽鹽盐盐盐盐盐盐盐 盐盐 盐 盐 盐盐水水水水水水水水 水 水 水 水 水 水 水 雪雪雪雪雪雪雪 雪 雪 雪 雪 雪 雪 雪 雪 雪 雪 暖暖暖暖暖暖暖 暖 暖 暖 暖 暖 暖 怒怒怒怒怒怒 怒 怒 怒 怒 催催催催 催 催 催 催 催 催 吼 吼 吼 吼 吼 吼 喔 喔 喔 喔 喔 喔 喔 咯 咯 咯 咯 咯 咯 咯 呵 呵 呵 呵 呵 呵 嘤 嘤 嘤 嘤 嘤 嘤 嘤 懂懂懂懂懂懂 故 故 故 故 故 故 知知知知知知 知 知 知 知 知 知 我 我 我 我 我 我 看 看 看 看 看 看 看 看 看 看 看 跳 跳 跳 跳 跳 跳 跳 死 死 死 死 死 死 死 恋 恋 恋 恋 恋 恋 恋 爱 爱 爱 爱 爱 爱 爱爱爱爱爱爱爱爱爱愛 愛 愛 愛 愛 愛 愛 愛愛愛愛愛愛愛 LOVE LOVE LOVE LOVE LOVE LOVE LOVE LOVE LOVE Love Love Love Love Love Love love love love love love love love loveloveloveLOVELOVELOVELOVELOVELOVELOVE LOVE LIFE LITELY LIFE LIFE LIFE LIFE LIFE LIFE LIFE LIFE Life Life life life life life life life life lifelifeLifeLifeLife Life Life Life Life Life Life LITLITLITLITLIT LILILILILILI ILILIL IL IL IL I L I I I L L L O O O O O O O O O E E E E E E E E T T T T T T T T C C C C C C N N N N N N B B B B B B S S S S S S K K K K K K Y Y Y Y Y Y A A A A A A U U U U U U J J J J J J H H H H H H F F F F F F P P P P P P M M M M M M G G G G G G D D D D D D Q Q Q Q Q Q W W W W W W V V V V V V X X X X X X Z Z Z Z Z Z z z z z z z x x x x x x l l l l l l m m m m m m i i i i i i c c c c c c u u u u u u y y y y y y o o o o o o q q q q q q t t t t t t v v v v v v b b b b b b w w w w w w e e e e e e k k k k k k j j j j j j a a a a a a n n n n n n r r r r r r i i i i i i g g g g g g p p p p p p l l l l l l s s s s s s d d d d d d;，;，;，;，::;::::::，;，:::;::::::，;，;，;，;，;，;，;，;，;，::::::::::::;，;，;，:::;，::;，:;，;，;，; ，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，:: ::;，;，;，;，;，;:，;，;，;，;，;，;，;，:;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，;，:;，;，;，;，;，::.;怎么说呢，. . . . . . . . . . . . .,--- END---

关于作者 我是宝哥。一个在深夜和数据库搏斗的后端/架构实战派，坚信“不经过故障注入的容灾方案都是定时炸弹”。至于GitHub，如果这篇文章让你少掉了几根头发。请 Sponsor 请我喝杯咖啡。提供 Python 后端性能调整 / 工具定制 / 技术咨询服务，联系 Telegram @baofugege